Arxiv网络科学论文摘要7篇(2021-03-22)
- GCN-ALP：解决锚链路预测中的匹配冲突;
- 技术和信息能力的出现促进了生物医学融合;
- 重大飓风对电能生产的影响;
- Twitter用户职业中转推率的演变：分析和模型;
- “您知道您是否被未拍摄的照片跟踪吗”：位置感知的多方图像隐私保护;
- 科学引文网络中结构性不平等现象的出现;
- 不对称是电网稳定性的基础;
GCN-ALP：解决锚链路预测中的匹配冲突
原文标题： GCN-ALP: Addressing Matching Collisions in Anchor Link Prediction
地址： http://arxiv.org/abs/2103.10600
作者： Hao Gao, Yongqing Wang, Shanshan Lyu, Huawei Shen, Xueqi Cheng
摘要： 如今，在线用户更喜欢加入多个社交媒体，以实现社交化的在线服务。问题 anchor链路预测形式化，可将用户数据与跨社会网络的用户个人资料，内容和网络结构的共同点链接在一起。大多数传统作品都集中于学习在观察到的用户数据上具有显式或隐式特征的匹配功能。但是，观察到的用户数据质量低下，使锚链接的判断混乱，在实际应用中出现了匹配冲突的问题。在本文中，我们探索局部结构一致性，然后构造匹配图以规避匹配冲突。此外，我们提出了具有小批量策略的图卷积网络，可以有效地解决匹配图上的锚链路预测。在三个实际应用场景下的实验结果表明，该方法在预测精度和效率上都具有巨大的潜力。此外，学习到的嵌入的可视化为我们提供了一种定性的方法，以理解匹配图上锚链接的推断。
技术和信息能力的出现促进了生物医学融合
原文标题： Biomedical Convergence Facilitated by the Emergence of Technological and Informatic Capabilities
地址： http://arxiv.org/abs/2103.10641
作者： Dong Yang, Ioannis Pavlidis, Alexander M. Petersen
摘要： 我们分析了PubMed编制的2160万篇研究文章中的医学主题词（MeSH），以绘制实体及其相互联系的广阔空间，从而洞悉生物医学融合的起源和未来。 MeSH共现网络的详细分析确定了三个强大的知识集群：微观生物学实体和结构的广阔宇宙；系统，疾病和诊断；以及驱动健康，行为和脑科学领域发展的复杂问题背后的新兴生物学和社会现象。从1990年代起，这些领域就通过技术和信息功能进行了整合，引入了高度可控，可扩展和可置换的研究过程以及宝贵的成像技术，以阐明基本的结构-功能-行为问题。文章级别的分析证实了团队规模与主题多样性之间的正相关关系，并表明融合在突出方面正在增加，但随着近期的饱和而增加。总之，我们的结果为跨学科团队的集会提供了额外的政策支持，以利用跨学科的融合。
重大飓风对电能生产的影响
原文标题： Impact of major hurricanes on electric energy production
地址： http://arxiv.org/abs/2103.10745
作者： Julien Gargani
摘要： 在遭受重大飓风之后，不仅由于电力基础设施遭到破坏，而且由于与私人和公共活动受到损害相关的经济危机，电力生产也大大减少。电力基础设施的完全恢复并非总是与电力生产的完全恢复同时进行。在此，我们描述了加勒比地区圣马丁岛，圣巴泰勒米岛和波多黎各岛的电力生产曲线，2017年发生了两次主要飓风。随后在几个月内进入稳定阶段，约占初始发电量的 75％。为了达到新的电能生产平衡 E_ is ，需要低于几个月的弹性时间（1个月 <t_s < 5个月），该平衡时间低于初始电能生产 E_i 。人均电能消耗减少了20-25％。在圣马丁岛，飓风过后的稳定阶段，电力生产仅约为初始电力生产的60％，而不是75％。伊尔玛飓风过后，圣马丁的电力生产减少了15％，这可以归因于岛外约8000名居民的迁移（约合23％）。通过这种方法，可以预测在加勒比群岛遭受飓风袭击后的几个月内的发电量。
Twitter用户职业中转推率的演变：分析和模型
原文标题： Evolution of Retweet Rates in Twitter User Careers: Analysis and Model
地址： http://arxiv.org/abs/2103.10754
作者： Kiran Garimella, Robert West
摘要： 我们研究了Twitter用户在平台的“职业生涯”过程中收到的转发数的演变。我们发现，平均而言，用户收到的转发数会随着时间的流逝而增加。这在一定程度上是可以预期的，因为用户倾向于逐渐积累关注者。但是，通过关注者数量进行归一化显示，相对于每个跟随者的转发率往往是非单调的，在“高峰年龄”达到最大，此后不会增加，甚至不会减少。我们针对这种现象背后的过程开发了一个简单的模型，该模型假设关注者的人数在不断增加，每个关注者随着时间的流逝都会失去兴趣。我们表明，该模型足以解释每个关注者的转发率的非单调性，而无需假设不同时间发布的内容的质量。
“您知道您是否被未拍摄的照片跟踪吗”：位置感知的多方图像隐私保护
原文标题： "Do You Know You Are Tracked by Photos That You Didn't Take": Location-Aware Multi-Party Image Privacy Protection
地址： http://arxiv.org/abs/2103.10851
作者： Joshua Morris, Sara Newman, Kannappan Palaniappan, Jianping Fan, Dan Lin
摘要： 现有的大多数图像隐私保护作品主要集中于照片所有者及其朋友的隐私，但是缺乏照片背景中的其他人以及相关位置隐私问题的考虑。实际上，当某人处于他人照片的背景中时，当照片所有者在线共享照片时，他/她可能会无意间暴露给公众。不仅可以暴露一个访问过的地方，而且攻击者还可以根据图像将一个人的旅行路线拼凑在一起。在本文中，我们提出了一种新颖的图像隐私保护系统，称为LAMP，旨在点亮在线图像共享过程中人们的位置感知。 LAMP系统基于新设计的位置感知多方图像访问控制模型。无论用户是否是照片所有者，LAMP系统都会自动检测用户在照片上的出现。一旦识别出用户并且根据用户的隐私策略将照片的位置视为敏感位置，LAMP系统将智能地替换用户的脸部。该系统的原型已实现并进行了评估，以证明其在现实世界中的适用性。
科学引文网络中结构性不平等现象的出现
原文标题： Emergence of Structural Inequalities in Scientific Citation Networks
地址： http://arxiv.org/abs/2103.10944
作者： Buddhika Nettasinghe, Nazanin Alipourfard, Vikram Krishnamurthy, Kristina Lerman
摘要： 结构性不平等在社会中持续存在，例如，通过赋予他们比其他人更大的影响力和机会，从而赋予一组人系统性的优势。我们使用来自六个不同学科的有关科学出版物作者的文献计量数据，首先提出了存在两种类型的引文不等式的证据。首先，在各个学科中占少数的女性作家，相对于男性作家而言，她们的工作获得的认可较少。其次，与其他机构相比，隶属于一流机构的作家在各个学科中都是少数派，他们的认可度要高得多。然后，我们提出了有向引文网络增长的动态模型，并表明，这种引文的系统性差异可能源于个人喜好引用同一组（同质）或另一组（异质），被高引用或活跃的作者（优先连接），以及小组的规模以及新作者加入的频率。我们从理论上分析了该模型，并表明该模型的预测与现实世界的观察结果非常吻合。我们的理论和经验分析为减轻科学中结构性不平等的潜在策略提供了启示。特别是，我们发现仅使组大小相等并不会缩小差距。相反，减少每个小组的同质性，经常在研究领域中增加新作者，同时为现有的已建立的作者提供一个可访问的平台，以及平衡的小组规模可以最大程度地减少不平等现象。与对称关系（例如协作）相比，我们的工作强调了缓解由非对称关系（例如有向引用）引起的结构差异的其他复杂性。
不对称是电网稳定性的基础
原文标题： Asymmetry underlies stability in power grids
地址： http://arxiv.org/abs/2103.10952
作者： Ferenc Molnar, Takashi Nishikawa, Adilson E. Motter
摘要： 行为同质性通常对于交互实体的网络系统的功能至关重要。在电网中，稳定的运行要求发电机频率在整个网络中保持同步（因此是同质的），以前的工作表明，可以通过使发电机同质化来提高同步状态的稳定性。在这里，我们表明，通过使生成器适当地异构，可以实现实质性的附加改进。我们开发了一种将这种违反直觉的作用归因于逆对称破坏的通用方法，逆对称破坏是一种最近建立的现象，其中系统必须不对称才能保持稳定的对称状态。这些发现构成了在现实世界系统中逆对称打破的第一个证明，我们的方法有望在功能依赖行为同质性的其他网络中识别这种现象。
声明：Arxiv文章摘要版权归论文原作者所有，机器翻译后由本人进行校正整理，未经同意请勿随意转载。本系列在微信公众号“网络科学研究速递”（微信号netsci）和个人博客 https://www.complexly.cn （提供RSS订阅）进行同步更新。个性化论文阅读与推荐请访问 https://arxiv.complexly.cn 平台。
